👋 欢迎阅读
一.题目
🎯 欢迎来到「无重复字符的最长子串」题解之旅！ 本文将带你从"寻找不含重复字符的最长连续片段"这一经典字符串问题出发，深入理解滑动窗口（双指针） 的灵活应用，并掌握如何通过哈希表（或数组模拟） 高效维护窗口内字符的唯一性。
在开始之前，建议你先：
-
了解题目背景 ：这是 LeetCode 3 题，给定字符串
s，要求找出不含重复字符的最长子串的长度 （注意是连续子串，不是子序列）。本质上是动态维护一个窗口，保证窗口内所有字符互不相同，并在扩展和收缩过程中记录窗口的最大长度。 -
明确学习目标 ：掌握滑动窗口核心操作 ------右指针持续向右扩展，每加入一个新字符就检查是否重复；若重复，则移动左指针，将重复字符及其之前的字符全部移出窗口（直至窗口内无重复）。理解如何利用哈希表记录字符最新出现位置 （或数组计数）来快速判断重复，并熟练实现双指针扫描 + 更新最大长度的代码逻辑。
-
准备好环境 ：建议在本地 IDE 或 LeetCode 在线编辑器中打开代码，边看边运行，亲手验证示例（如
s = "abcabcbb"输出3，s = "pwwkew"输出3）。
本文将从问题转化、滑动窗口策略设计（右扩左缩）、重复判定与窗口维护 到代码实现，层层递进。即使你对滑动窗口还不熟悉，我们也会从"用一个窗口框住不重复的字符，大了就缩，小了就扩"这一直觉出发，让你轻松抓住核心思想 ------窗口内字符唯一是约束条件，窗口大小是优化目标，双指针负责动态调整。现在，让我们一起在字符串中滑动窗口，找出那个最长的不重复片段吧！ 📝🔍
二.做题思路
一、问题分析（前置分析）
给定一个字符串 s，要求找出 不含重复字符的最长子串的长度 。
核心观察 ：当窗口内出现重复字符时，只需要移动左指针跳过重复字符 ，右指针无需回退。这是 滑动窗口 的典型应用，可在 O(n) 时间内解决。
二、算法策略（滑动窗口 + 哈希表）
-
使用 哈希表（数组模拟） 记录当前窗口内每个字符的出现次数（值为 0 或 1，因为窗口内不能有重复）。
-
右指针
right不断向右扩展，每加入一个字符就增加其计数。 -
若当前加入的字符 出现次数 ≥ 2 ，说明窗口内有重复，此时需要 移动左指针
left，将重复字符从窗口中移除（计数置 0），直到窗口再次无重复。 -
在窗口有效期间，不断更新最长无重复子串的长度。
示例执行过程 （s = "abcabcbb"）：
| 步骤 | left |
right |
窗口 [left, right] |
操作 | 当前长度 | 最大长度 |
|---|---|---|---|---|---|---|
| 初始 | 0 | - | - | - | - | 0 |
| 1 | 0 | 0 | [a] |
加入 a |
1 | 1 |
| 2 | 0 | 1 | [a,b] |
加入 b |
2 | 2 |
| 3 | 0 | 2 | [a,b,c] |
加入 c |
3 | 3 |
| 4 | 0 | 3 | [a,b,c,a] |
加入 a，重复！left 移到 1，移除 a |
3 | 3 |
| 5 | 1 | 3 | [b,c,a] |
窗口有效 | 3 | 3 |
| 6 | 1 | 4 | [b,c,a,b] |
加入 b，重复！left 移到 2，移除 b |
3 | 3 |
| 7 | 2 | 4 | [c,a,b] |
窗口有效 | 3 | 3 |
| 8 | 2 | 5 | [c,a,b,c] |
加入 c，重复！left 移到 3，移除 c |
3 | 3 |
| 9 | 3 | 5 | [a,b,c] |
窗口有效 | 3 | 3 |
| 10 | 3 | 6 | [a,b,c,b] |
加入 b，重复！left 移到 4，移除 a |
3 | 3 |
| 11 | 4 | 6 | [b,c,b] |
加入 b 仍重复？left 移到 5，移除 b |
2 | 3 |
| 12 | 5 | 6 | [c,b] |
窗口有效 | 2 | 3 |
| 13 | 5 | 7 | 越界结束 | - | - | 返回 3 |
最终结果为 3，对应子串 "abc"、"bca" 或 "cab"。
三、正确性说明（简单版本）
滑动窗口维护了一个 无重复字符的窗口 。每次右指针扩展时，若新字符导致重复，则移动左指针直到重复消失。因为 右指针从不回退 ，每个字符最多被加入和移除窗口各一次，所以能遍历所有可能的无重复子串。在窗口有效的每个时刻，当前窗口都是以 right 为右端点的最长无重复子串，因此更新最大长度即可得到全局最优解。
四、实现细节（边界防护）
-
使用
int hash[128] = {0}记录 ASCII 字符出现次数（0 或 1）。 -
外层
for循环中right的更新在循环体内手动控制，需注意边界。 -
当
hash[s[right]] == 1时（即新字符已存在），进入while循环：-
hash[s[left]] = 0（移出窗口）； -
left++； -
继续检查直到窗口内无重复。
-
-
每次窗口有效时，更新
len = max(len, right - left + 1)。 -
注意空字符串处理：若
n == 0，直接返回 0。 -
时间复杂度 O(n)，空间复杂度 O(1)（哈希表大小固定为 128）。
五、返回值（目标映射）
返回 len，即 最长不含重复字符的子串长度。
三.代码
cpp
#include <iostream>
#include <string>
#include <algorithm>
using namespace std;
class Solution
{
public:
int lengthOfLongestSubstring(string s)
{
// 算法思路：滑动窗口 + 哈希表（数组模拟）
// 使用 hash 数组记录当前窗口内每个字符出现的次数（0或1，因为窗口内不能有重复字符）
// 右指针 right 不断向右扩展窗口，每加入一个字符就增加其计数；
// 如果某个字符计数 >= 2，说明窗口内出现重复，此时移动左指针 left，将重复字符从窗口中移除。
// 在窗口有效（无重复）期间，不断更新最长无重复子串的长度。
int hash[128] = {0}; // 哈希表，用于记录 ASCII 字符在当前窗口中的出现次数（值 0 或 1）
int n = s.size();
int len = 0; // 记录当前找到的最长无重复子串长度
// 双指针：left 和 right 定义当前窗口 [left, right]
// 注意：外层 for 循环中 left 和 right 的更新逻辑略复杂，但本质仍是滑动窗口
for (int left = 0, right = 0; right < n; )
{
// 入窗口：将 s[right] 加入窗口，计数加1
hash[s[right]]++;
// 当窗口内没有重复字符时（即当前新加入的字符出现次数小于2），持续扩展右指针
while (right < n && hash[s[right]] < 2)
{
// 更新最长无重复子串长度（当前窗口长度为 right - left + 1）
len = max(len, right - left + 1);
// 右指针右移，继续扩展窗口
right++;
// 注意：这里再次执行入窗口操作，将新字符加入窗口
// （第一次入窗口在循环开始处，但 right 移动后需要对新位置进行计数）
// 这种写法略显冗余，但保证了逻辑完整性
if (right < n)
{
hash[s[right]]++;
}
}
// 如果因为 right 越界或出现重复字符而退出 while 循环，
// 则说明当前窗口无法继续扩展（或已到末尾）。
// 此时需要将左指针指向的字符移出窗口（将计数置0），
// 然后左指针右移，尝试缩小窗口以消除重复。
hash[s[left]] = 0; // 将 left 指向的字符从窗口中移除（计数重置为0）
left++; // 左指针右移
}
// 返回最长无重复子串的长度
return len;
}
};
int main() {
// 测试用例：字符串 "abcabcbb"，最长无重复子串是 "abc"，长度为 3
string s = "abcabcbb";
Solution sol;
int result = sol.lengthOfLongestSubstring(s);
cout << result << endl; // 输出 3
return 0;
}四、易错点分析
难点一：len 的更新时机与窗口有效性的关系
while (right < n && hash[s[right]] < 2)
{
len = max(len, right - left + 1);
right++;
// ...
}难点： 只有窗口内无重复字符时（即
hash[s[right]] < 2），才更新len。一旦出现重复，循环终止，不会更新长度 ，因为此时的窗口是无效的。这要求必须理解：
len只在窗口"干净"的时候被记录 ，而left的移动则是为了重新使窗口变干净。因此，更新长度和移动左指针是两个独立阶段，顺序不能颠倒。
五、流程图
🎯 闭幕
🎉 恭喜你完成了「无重复字符的最长子串」问题的学习！
为了巩固知识并进一步拓展，建议你：
🚀 动手实践
在 LeetCode 上提交代码，尝试不同的测试用例。
💡 深入思考
-
本题使用 滑动窗口 维护一个 无重复字符 的区间，右指针不断扩展，当出现重复字符时移动左指针。请问 为什么滑动窗口能保证找到最长无重复子串？其核心逻辑是什么？
-
代码中使用了
hash[128]数组来记录字符出现次数。为什么数组大小是 128 而不是 256？ 如果字符串包含中文或其他 Unicode 字符，这种方式还适用吗？ -
当发现重复字符时（
hash[s[right]] >= 2），代码将hash[s[left]] = 0并left++，直接 清空 了左指针指向的字符计数。如果窗口内该字符出现了多次，这样的清空方式是否会导致 计数错误？请结合具体例子说明。 -
代码中的
while循环在right未越界且hash[s[right]] < 2时不断扩展，这种写法与常见的for循环滑动窗口有何异同？哪种更易理解？ -
本题时间复杂度为 O(n) ，因为每个字符最多被左右指针各访问一次。如果字符串长度
n = 10^5，这个算法是否高效？空间复杂度如何？
📚 延伸挑战
-
如果要求返回 最长无重复子串本身（而不是长度），代码应做哪些调整？
-
如果字符集非常大（如 Unicode 全部字符），不能使用固定数组模拟哈希表，你会改用哪种数据结构？请说明修改方案。
如果你觉得本文对你有所帮助，欢迎：
👍 点赞 / 收藏
👤 关注作者 ，获取更多题解
💬 留言交流你的疑问或优化思路
📌 深入思考答案
-
滑动窗口的核心 是保证窗口内始终无重复字符，一旦出现重复，就移动左指针直到重复消失。这样每个以
right结尾的最长无重复子串都会被考虑到，因此 不会遗漏最优解。 -
数组大小 128 覆盖了 标准 ASCII 字符集 （0~127），如果字符串包含中文等 Unicode 字符，编码值会超过 127，数组越界。此时应改用
unordered_map<char, int>或vector<int>(256)（若只考虑扩展 ASCII 则用 256）。 -
清空计数的方式有风险 ：例如窗口内有两个相同字符
a，hash['a']可能为 2，但代码hash[s[left]] = 0会将计数直接置 0，而实际上窗口中可能还剩一个a。这种写法 依赖于每次发现重复时立即移动左指针，直到重复消失 ，但这里只移了一位就置 0，会导致 窗口状态错误 。更好的写法是hash[s[left]]--（减 1）而不是置 0。当前代码之所以能运行，是因为每次发现重复后只移动一次左指针，但若重复字符在窗口内出现多次，这种方法会出错（例如"abca"中窗口"abca"出现重复a，左指针移过第一个a后，窗口变为"bca"，计数中a已清零，但b和c仍保留，逻辑是通的，因为hash[s[left]] = 0只清除了被移出的字符，而a在窗口中已不再存在，所以正确）。因此该写法 是安全的 ，因为每次只移除一个确定的左边界字符，该字符在窗口中只出现一次（由于窗口内本应无重复，重复只发生在刚加入的right上，而左指针逐步右移，被移除的字符在窗口中确实只有一次出现）。 -
两种写法本质相同，常见的
for循环写法更简洁：外层right++，内层while收缩左指针，可读性更好。 -
O(n) 时间，O(1) 空间（固定哈希数组），对于
n=10^5非常高效，完全可接受。
🔍 延伸挑战答案
-
挑战1 ：若要返回子串本身，只需在更新
len的同时记录起始下标start，最后返回s.substr(start, len)即可。 -
挑战2 ：改用
unordered_map<char, int>存储字符及其最新出现位置，或使用unordered_set<char>配合滑动窗口，空间复杂度变为 O(字符种类数)，可处理任意 Unicode 字符。
祝你在 算法之路 上越走越稳，早日攻克每一道难题！下次见 🚀✨